Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Visão Computacional e Aplicações
João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009
2
Domício Pinheiro Agência Estado
3
Computação Gráfica Processamento de Imagens Visão Computacional Visualização Científica Análise de Imagens
4
Processamento de imagens Modelagem de dados
Imagem – Áreas Correlatas Processamento de imagens Modelagem de dados (processamento de dados) Visão (análise de imagem) Visualização (computação gráfica, síntese de imagem) DADOS IMAGEM
5
Modelagem de dados (visualização) Curvas, superfícies, etc
6
Computação Gráfica Rendering: processo de geração de imagem a partir de um modelo. Em português: visualização
7
Computação Gráfica 3D 2D
8
Processamento de Imagens
Segmentação de um tumor em momografia
9
Processamento de Imagens
Leandro Gerhardiger, 2006
10
O que é visão computacional?
É a ciência que desenvolve as bases teóricas e algoritmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores
11
O que precisamos saber para ter sucesso na construção de um sistema de visão artificial ?
Aspectos Cognitivos: combinação dos aparelhos sensoriais e comportamento psico-biológico: neurociências, IA, filosofia, psicologia, lingüística. Aspectos fisiológicos do cérebro.
12
Aspectos Cognitivos
13
Exemplo 3: ilusão cognitiva (ambigüidade)
14
Exemplo 3: ilusão cognitiva (ambigüidade)
15
Exemplo 4: ilusão cognitiva (distorção)
Tamanho, comprimento, curvatura
16
Exemplo 5: ilusão cognitiva (distorção)
17
Exemplo 6: ilusão cognitiva (Paradoxo)
18
Exemplo 7: percepção visual – aspectos culturais
Mostre estas figuras para um árabe e um zulu...
19
Exemplo 8: percepção visual – especialização
20
Movimento sacádico
21
Aspectos Fisiológicos
22
Visão Natural: sistema super paralelo
Macro Micro Intermediário
23
Visão Natural: o olho humano
24
Blid Spot: Ponto Cego Feche seu olho direito. Foque no número 3. Avance e recue. Ou foque nos nros à direita ou esquerda !
25
Cones: (sens.) C C M L M C Bastonetes: Alta sensibilidade à luminosidade, não percebem cor Cones: Alta sensibilidade a cor, alta quantidade na fóvea
26
Os córtex visuais
28
Exemplo 1: fisiologia A região A é mais escura que B, certo ? Isso não é uma pegadinha
30
Resposta Contraste local
Algo claro, rodeado por algo mais escuro, tende a parecer mais claro do que é. E vice-versa ! Este é um exemplo da excelente qualidade de nosso sistema visual, certo? Certo !
31
Exemplo 2: fisiologia Explicação: campos receptivos da retina
32
Visão Computacional/Artificial
VISÃO é o processo de descobrir, a partir de imagens, o que está presente no mundo e onde está localizado Disciplinas relacionadas Processamento de Imagens Computação Gráfica Reconhecimento de Padrões Robótica Inteligência artificial
33
Um sistema de visão computacional para indústria
34
Três níveis de atuação Melhorar qualidade da imagem Pouca inteligência
Extrair e caracterizar componentes Alguma inteligência Reconhecimento Alta Inteligência
35
Exemplo: um sistema de visão para reconhecer digitais
36
Reconhecimento de Digitais - padrões
Bifurcações Terminações
37
Típico sistema de visão
Processamento de Imagens Pré-processamento Aquisição Cena 1 2 3 6 5 4 Análise de Imagens IA / reconhecimento de padrões Extração de características
38
Passo 1 - Aquisição Cena 1 2 3 6 5 4
39
Aquisição
40
Passo 2 - Pré-processamento
Cena 1 2 3 6 5 4
41
Pré-processamento
42
Passo 3 - Processamento de Imagens
Cena 1 2 3 6 5 4
43
Processamento de Imagens
44
Passo 4 - Análise de Imagens
Cena 1 2 3 6 5 4
45
Análise de Imagem 1- Procurar todos e marcar: - bifurcações
- terminações
46
Análise de Imagem 2 - Determinar as orientações: - bifurcações
- terminações
47
Passo 5 - Extração de Características
Cena 1 2 3 6 5 4
48
Extração de Características: Modelo Matemático
- Semelhança de Triângulos Combinar as marcações 3 a 3
49
Passo 6 - IA / Reconhecimento de padrões
Cena 1 2 3 6 5 4
50
IA / Reconhecimento de padrões
Armazenar o modelo matemático de todos os triângulos Base de conhecimento
51
IA / Reconhecimento de padrões
Armazenar o modelo matemático de todos os triângulos Base de conhecimento
52
IA / Reconhecimento de padrões
Comparar com modelos treinados Base de conhecimento Padrão reconhecido, digital identificada
53
É fácil emular a visão humana ?
54
Reconhecimento
55
Importância da cor
56
Importância da Textura
57
The role of shape
58
Importância do agrupamento
59
Auxílio da matemática Sistemas mais antigos empregavam métodos heurísticos Hoje recorremos à matemática, às vezes um pouco pesada ! Cálculo Algebra Linear Probabilidade e estatística Processamento de Sinais Projeção Geométrica Geometria Computacional Otimização Boa notícia: muita computação !
60
Aplicações Inspeção industrial/Controle Qualidade Segurança
Reconhecimento Facial Reconhecimento Gestos Aplicações espaciais Análise de imagens médicas Veículos autônomos Agro-negócio
61
Identificação de pássaros para controle de poluição ambiental
Da apostila PI da Agma... André Balan, 2004
62
Segmentação por Campos Aleatórios de Markov em
multi escala Leandro Gerhardiger, 2006
63
Segmentação de um tumor em momografia
64
Recuperação de conteúdo em grandes BD por imagem
65
Identificação de Ferrugem de Cana – Casa Branca
Desirée Dias, 2005
69
Criação de mosaica em plantações de eucalipto
71
Mosaico criado automaticamente, sem nenhum georeferenciamento
72
Localização de contornos por “snakes”
Se imagem em nível cinza-> Filtro passa alta (Sobel, Laplaciano, Gradiente da Derivada Direcional Integrada) para gerar mapa de arestas GDDI – Haralick – mascar 7x7 – menos sensível ruido Cada ponto contorno final tem as coordenadas armazenadas em uma estrutura de dados. Essas corrdenadas são aplicadas sobre o mapa de arestas = media e desvio padrão da tonalidade (valores) dos pixels.
73
Perguntas ? Obrigado !
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.